随笔分类 -  机器学习

机器学习系列（6） 逻辑回归
摘要：逻辑回归 一、逻辑回归的适用性： 优点： 1. 逻辑回归对线性关系的拟合效果好 2. 逻辑回归拟合和计算非常快 3. 逻辑回归返回的分类结果不是固定的0,1，而是以小数的方式出现，可以把结果当成连续数据来使用 缺点： 对数据和场景要求高 二、逻辑回归的基本原理 2.1 什么是逻辑回归 面对一个分类问 阅读全文
posted @ 2020-01-02 14:13 羊驼也要搞大数据 阅读(446) 评论(0) 推荐(0)
机器学习系列(5) KNN算法
摘要：KNN算法 一、KNN算法介绍 KNN算法全称是K Nearest Neighbors ，KNN原理就是当预测一个值属于什么分类，根据它最近的K个分类是什么进行预测它属于什么类别。 重点有两个： K 的确定和距离的计算 距离的计算：欧式距离 K值的计算： 通过交叉验证（将样本数据按照一定的比例拆分成 阅读全文
posted @ 2019-12-30 09:13 羊驼也要搞大数据 阅读(804) 评论(0) 推荐(0)
机器学习系列（4） 线性回归
摘要：多元线性回归 一、多元回归的基本假设 1. 线性性和可加性 线性性：X1每变动一个单位，Y相应变动a1个单位，与X1的绝对数大小无关 可加性：X1对Y的影响独立于其他变量 2. 误差性之间相互独立 3. 自变量之间相互独立 4. 误差项的方差应该为常数 5. 误差项应该呈正太分布 二、线性回归的基本 阅读全文
posted @ 2019-12-27 11:31 羊驼也要搞大数据 阅读(360) 评论(0) 推荐(0)
机器学习系列（3） 决策树
摘要：决策树原理详解 一、 什么是决策树 决策树是一种监督学习方法，能够从一些列有特征和标签的数据中总结出决策规则，以解决分类和回归问题。在决策树的决策过程中，一直对记录的特征进行提问。最初的问题所在的地方叫做根节点，在得到结论前的每一个问题都是中间节点。得到的每一个结论都叫做叶子节点。 二、 决策树的运 阅读全文
posted @ 2019-12-25 13:22 羊驼也要搞大数据 阅读(522) 评论(0) 推荐(0)
机器学习算法系列（1）模型评价指标
摘要：回归评估 1. 平均绝对误差（Mean Absolute Error, MAE)， 又被称为L1范数损失 2. 平均平方误差（Mean Squared Error, MSE ,又被称为l2范数损失 分类平评估指标 二维混淆矩阵 | | 预测 | 结果 | | | : : | : : | | 真实类别 阅读全文
posted @ 2019-12-18 14:15 羊驼也要搞大数据 阅读(587) 评论(0) 推荐(0)
机器学习算法系列（2）Apriori关联分析详解
摘要：一、 Apriori关联分析概述 选择物品之间的关联规则也就是要找出物品之间的关系，要找到这种关系有两步 1. 找出频繁一起出现的物品集的集合，我们称之为频繁项集，比如一个超市的频繁项集可能有{{啤酒，尿布}{鸡蛋，牛奶}{香蕉，苹果}} 2. 在频繁项集的基础上，使用关联规则算法找出其中的关联结果 阅读全文
posted @ 2019-12-13 00:03 羊驼也要搞大数据 阅读(749) 评论(0) 推荐(1)